基于图嵌入的问答知识检索方法、装置及设备与流程

1.本发明涉及问答系统技术领域，尤其涉及一种基于图嵌入的问答知识检索方法、装置及设备。


背景技术：

2.在问答系统中，为实现更智能更专业的问答需要融合专业领域的知识，一般通过构建基于知识图谱或者知识库的问答系统(knowledge base question answering，kbqa)来实现。当前大多基于知识图谱的问答系统，主要通过语义分析识别用户问句中的实体和关系，再通过依存句法分析或者规则模板方法，构建相应的查询语句在知识图谱或者知识库中进行查询，得到候选问答集合，再通过一定的规则进行排序，返回用户的答案。然而这种方法在处理用户多样化表述的时候会有一定缺陷，查询语句或者规则模板很难覆盖用户的各种表述形式。大多方案是通过近义词典替换的方法进行优化，但是一词多义和词典维护也是很麻烦的事。
3.因此，如何提高专业领域中问答系统的信息匹配精确度成为了本领域技术人员亟需解决的技术问题。


技术实现要素：

4.本发明提供一种基于图嵌入的问答知识检索方法、装置及设备，用以解决现有技术中问答系统中专业领域信息匹配精确度低的缺陷，实现有效地提高信息问答的匹配精确度。
5.本发明提供一种基于图嵌入的问答知识检索方法，包括：
6.接收问题查询语句；
7.基于命名实体识别模型，抽取所述问题查询语句的元素实体，并构建所述元素实体的第一语义向量和所述问题查询语句的第二语义向量；
8.根据所述元素实体构建问题查询子图，并嵌入对应所述第一语义向量至所述问题查询子图；
9.根据所述元素实体和所述第二语义向量，在问答知识图谱中召回目标问题知识点子图集合；
10.输入所述问题查询子图和所述目标问题知识点子图集合至图嵌入与相似度匹配模型，输出所述问题查询语句对应的检索答案。
11.根据本发明提供的一种基于图嵌入的问答知识检索方法，所述接收问题查询语句之前，还包括：
12.采集专业领域下的语料信息，根据所述语料信息构建词向量模型；
13.遍历问答知识图谱中的实体和关系，通过所述词向量模型，确定所述问答知识图谱中每个实体的语义向量，并添加所述语义向量至所述问答知识图谱对应的节点上。
14.根据本发明提供的一种基于图嵌入的问答知识检索方法，所述根据所述元素实体
和所述第二语义向量，在问答知识图谱中召回目标问题知识点子图集合，包括：
15.基于问答知识图谱和所述问题查询语句的元素实体，得到第一知识点子图集合；
16.基于问答知识图谱和所述第二语义向量，得到第二知识点子图集合；
17.将所述第一知识点子图集合和所述第二知识点子图集合进行合并去重，得到目标问题知识点子图集合。
18.根据本发明提供的一种基于图嵌入的问答知识检索方法，所述基于问答知识图谱和所述问题查询语句的元素实体，得到第一知识点子图集合，包括：
19.在问答知识图谱中，检索所述问题查询语句的元素实体和与所述问题语句为同义词的语句对应的元素实体，得到第一知识点实体；
20.对所述第一知识点实体进行关联查询，得到第一知识点子图集合。
21.根据本发明提供的一种基于图嵌入的问答知识检索方法，所述基于问答知识图谱和所述第二语义向量，得到第二知识点子图集合，包括：
22.在所述问答知识图谱中遍历与所述元素实体类型相同的相似实体节点；
23.计算所述相似实体节点的第一语义向量与所述第二语义向量的余弦相似度；
24.选取所述余弦相似度大于预设阈值的实体节点作为第二知识点实体，对所述第二知识点实体进行关联查询，得到第二知识点子图集合。
25.根据本发明提供的一种基于图嵌入的问答知识检索方法，所述输入所述问题查询子图和所述目标问题知识点子图集合至图嵌入与相似度匹配模型，输出所述问题查询语句对应的检索答案，包括：
26.遍历所述问题查询子图与所述目标问题知识点子图集合中每个问题知识点子图的相似度，并根据所述相似度进行排序；
27.根据所述图嵌入与相似度匹配模型，得到所述问题查询子图与所述目标问题知识点子图集合中每个问题知识点子图的匹配相似度分数；
28.根据所述排序的结果和所述匹配相似度分数，输出所述问题查询语句对应的检索答案。
29.根据本发明提供的一种基于图嵌入的问答知识检索方法，所述图嵌入与相似度匹配模型包括：图嵌入匹配子模型和文本相似度子模型；
30.对应的，所述根据所述图嵌入与相似度匹配模型，得到所述问题查询子图与所述目标问题知识点子图集合中每个问题知识点子图的匹配相似度分数，包括：
31.输入所述问题查询子图和所述目标问题知识点子图集合中每个问题知识点子图至所述图嵌入匹配子模型，得到图相似度分数；
32.输入所述问题查询子图和所述目标问题知识点子图集合中每个问题知识点子图至所述文本相似度子模型，得到文本相似度分数；
33.将所述图相似度分数与所述文本相似度分数相加，得到所述问题查询子图与所述目标问题知识点子图集合中每个问题知识点子图的匹配相似度分数。
34.根据本发明提供的一种基于图嵌入的问答知识检索方法，所述图嵌入匹配子模型为基于问题查询子图样本和预先确定的问题知识点子图标签训练后得到的；
35.所述文本相似度子模型为基于问题查询文本样本和预先确定的问题知识点文本标签训练后得到的。
36.本发明还提供一种基于图嵌入的问答知识检索装置，包括：
37.接收模块，用于接收问题查询语句；
38.抽取模块，用于基于命名实体识别模型，抽取所述问题查询语句的元素实体，并构建所述元素实体的第一语义向量和所述问题查询语句的第二语义向量；
39.构建模块，用于根据所述元素实体构建问题查询子图，并嵌入对应所述第一语义向量至所述问题查询子图；
40.召回模块，用于根据所述元素实体和所述第二语义向量，在问答知识图谱中召回目标问题知识点子图集合；
41.检索模块，用于输入所述问题查询子图和所述目标问题知识点子图集合至图嵌入与相似度匹配模型，输出所述问题查询语句对应的检索答案。本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述基于图嵌入的问答知识检索方法的步骤。
42.本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述基于图嵌入的问答知识检索方法的步骤。
43.本发明还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述基于图嵌入的问答知识检索方法的步骤。
44.本发明提供的一种基于图嵌入的问答知识检索方法、装置及设备，方法通过接收问题查询语句；基于命名实体识别模型，抽取所述问题查询语句的元素实体，并构建所述元素实体的第一语义向量和所述问题查询语句的第二语义向量；根据所述元素实体构建问题查询子图，并嵌入对应所述第一语义向量至所述问题查询子图；根据所述元素实体和所述第二语义向量，在问答知识图谱中召回目标问题知识点子图集合；输入所述问题查询子图和所述目标问题知识点子图集合至图嵌入与相似度匹配模型，输出所述问题查询语句对应的检索答案，通过加入实体语义向量的方式可以有效地解决同义词造成的匹配不准确问题，同时通过图嵌入与相似度匹配模型结合了图和文本进行知识检索，有效地提高了问答信息匹配的精确度。
附图说明
45.为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
46.图1是本发明提供的基于图嵌入的问答知识检索方法的流程示意图；
47.图2是图1中的图嵌入与相似度匹配模型的结构原理示意图；
48.图3是图1中的问题知识点子图集合；
49.图4是本发明提供的基于图嵌入的问答知识检索装置的结构示意图；
50.图5是本发明提供的电子设备的结构示意图。
具体实施方式
51.为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本
发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
52.下面结合图1至图5描述本发明的一种基于图嵌入的问答知识检索方法、装置及设备。
53.图1是本发明提供的基于图嵌入的问答知识检索方法的流程示意图；图2是图1中的图嵌入与相似度匹配模型的结构原理示意图；图3是图1中的问题知识点子图集合。
54.如图1所示，本发明实施例提供的一种基于图嵌入的问答知识检索方法，以设备故障维修为例进行举例说明，主要包括以下步骤：
55.101、接收问题查询语句。
56.通常，在这个流程运行之前，首先在问答知识图谱中进行语义嵌入，具体过程可以是：采集专业领域下的语料信息，例如作业机械维修技术领域，根据语料信息构建词向量模型，如word2vec或者glove词向量模型；遍历问答知识图谱中的实体和关系，通过词向量模型，确定问答知识图谱中每个实体的语义向量，并添加语义向量至问答知识图谱对应的节点上，对于上述实体节点包含多个词的情况，取每个词的向量进行加权平均作为该实体的语义向量。从而便实现了为知识图谱中每个元素实体嵌入语义向量。
57.具体的，接收到的问题查询语句为用户输入的，输入的方式不进行具体限定，可以是文字、语音、图片等各种不同的输入方式，只要是能够准确地获取到用户的问题即可，以维修为例说明便是接收用户输入的故障问题语句，也就是当前出现了什么故障，需要怎样的维修策略。
58.102、基于命名实体识别模型，抽取问题查询语句的元素实体，并构建元素实体的第一语义向量和问题查询语句的第二语义向量。
59.具体的，可以训练该领域下的命名实体识别模型，主要用于抽取问题查询语句中的元素实体，实体抽取模型不限于采用bilstm crf等模型结构，也包括基于专业词典多模匹配的方式，然后构建第一语义向量和第二语义向量。
60.103、根据元素实体构建问题查询子图，并嵌入对应第一语义向量至问题查询子图。
61.具体的，以用户输入的问题查询语句为核心节点，构建问题查询子图，然后嵌入相对应的第一语义向量至问题查询子图，从而得到携带有元素实体和元素实体对应的语义向量的问题查询子图，放到维修领域来说也就是构建了故障维修子图。
62.104、根据元素实体和第二语义向量，在问答知识图谱中召回目标问题知识点子图集合。
63.具体的，根据元素实体和第二语义向量，在问答知识图谱中召回目标问题知识点子图集合，包括：基于问答知识图谱和问题查询语句的元素实体，得到第一知识点子图集合；基于问答知识图谱和第二语义向量，得到第二知识点子图集合；将第一知识点子图集合和第二知识点子图集合进行合并去重，得到目标问题知识点子图集合。
64.其中，基于问答知识图谱和问题查询语句的元素实体，得到第一知识点子图集合，具体为：在问答知识图谱中，检索问题查询语句的元素实体和与问题语句为同义词的语句对应的元素实体，得到第一知识点实体；对第一知识点实体进行关联查询，得到第一知识点
子图集合，也就是通过元素实体进行知识点子图集合的召回。
65.其中，基于问答知识图谱和第二语义向量，得到第二知识点子图集合，具体为：在问答知识图谱中遍历与元素实体(q)类型相同的相似实体节点(p)；然后计算相似实体节点的第一语义向量与抽取的第二语义向量的余弦相似度，可以通过下式获取：cos(q,p)＝q
·
p/||q||
·
||p||；选取余弦相似度大于预设阈值的实体节点作为第二知识点实体，再查询第二知识点实体关联的问题知识点实体，通过问题知识点实体进行一度关联查询，得到第二知识点子图集合。而采用语义向量相似度进行召回知识点子图集合主要为了解决语言表述上同一个实体表述多样性的问题，更好地保证匹配精确度。
66.在通过元素实体进行知识点子图集合的召回得到第一知识点子图集合，通过第二语义向量进行知识点子图集合的召回得到第二知识点子图集合之后，将第一知识点子图集合与第二知识点子图结合进行合并去重，获得目标问题知识点子图集合，其中去重策略主要依据问题知识点实体节点完成。
67.105、输入问题查询子图和目标问题知识点子图集合至图嵌入与相似度匹配模型，输出问题查询语句对应的检索答案。
68.具体的，输入问题查询子图和目标问题知识点子图集合至图嵌入与相似度匹配模型，输出问题查询语句对应的检索答案，包括：遍历问题查询子图与目标问题知识点子图集合中每个问题知识点子图的相似度，并根据相似度进行排序；根据图嵌入与相似度匹配模型，得到问题查询子图与目标问题知识点子图集合中每个问题知识点子图的匹配相似度分数；根据排序的结果和匹配相似度分数，输出问题查询语句对应的检索答案。其中，图嵌入与相似度匹配模型的具体运行原理如图2所示，以维修为例进行的说明，首先进行语义向量的嵌入，然后进行神经网络模型的匹配度计算，最终得到问题查询语句与对应的问答知识图谱中召回目标问题知识点子图集合中每个知识点子图的相似度，以便于最后得到用户需要的检索答案。
69.图嵌入与相似度匹配模型包括：图嵌入匹配子模型和文本相似度子模型。而根据图嵌入与相似度匹配模型，得到问题查询子图与目标问题知识点子图集合中每个问题知识点子图的匹配相似度分数，具体为：输入问题查询子图和目标问题知识点子图集合中每个问题知识点子图至图嵌入匹配子模型，得到图相似度分数score1；输入问题查询子图和目标问题知识点子图集合中每个问题知识点子图至文本相似度子模型，得到文本相似度分数score2；将图相似度分数与文本相似度分数进行加权求和，得到问题查询子图与目标问题知识点子图集合中每个问题知识点子图的匹配相似度分数score集合。
70.其中，图嵌入匹配子模型为基于问题查询子图样本和预先确定的问题知识点子图标签训练后得到的。具体是，构建训练集和测试集，进行模型训练直到模型迭代收敛。图嵌入匹配子模型输入为问题查询子图和问题知识点子图，输出为人工标注的标签，0代表不相似，1代表相似，从而训练得到图嵌入匹配子模型。图嵌入匹配模型结构，主要包括图嵌入层、图神经网络层、全连接层。嵌入层为当前子图各个实体节点的初始化词向量拼接的m*d维度的矩阵x(m为子图最大节点数，d为向量维度)。构建子图实体节点的维度为m*m邻接矩阵y。将实体节点矩阵x与邻接矩阵y输入到图神经网络中，得到子图的每个实体的特征向量t，分别处理问题查询子图和问题知识点子图，分别得到实体的特征向量t1、t2，输入到全连接层。当然也可以不构建邻接矩阵y，只将实体节点的向量进行拼接构建特征矩阵x。
71.而文本相似度子模型为基于问题查询文本样本和预先确定的问题知识点文本标签训练后得到的。构建文本相似度模型，构建训练集和测试集，进行模型训练直到模型迭代收敛。模型输入为问题查询文本和问题知识点文本，输出为人工标注的标签，0代表不相似，1代表相似。文本相似度模型结构为以bert作为预训练模型的孪生网络结构，包括bert向量嵌入层、全连接层，也可以采用lstm的孪生网络模型结构。
72.最后根据相似度排序的结果和匹配相似度分数score集合，筛选大于一定预设阈值的问题知识点集合，便是用户想要检索得到的问题知识点，也就是对应问题语句的答案。如图3所示，以作业机械的故障维修为例进行说明，举例说明了不同的故障对应不同实体、现象与部位，保证能够更好地实现检索结果与问题查询语句的匹配度。
73.本实施例提供的一种基于图嵌入的问答知识检索方法，通过接收问题查询语句；基于命名实体识别模型，抽取所述问题查询语句的元素实体，并构建所述元素实体的第一语义向量和所述问题查询语句的第二语义向量；根据所述元素实体构建问题查询子图，并嵌入对应所述第一语义向量至所述问题查询子图；根据所述元素实体和所述第二语义向量，在问答知识图谱中召回目标问题知识点子图集合；输入所述问题查询子图和所述目标问题知识点子图集合至图嵌入与相似度匹配模型，输出所述问题查询语句对应的检索答案，通过加入实体语义向量的方式可以有效地解决同义词造成的匹配不准确问题，同时通过图嵌入与相似度匹配模型结合了图和文本进行知识检索，有效地提高了问答信息匹配的精确度。加入实体语义向量计算相似度进行问题元素实体节点召回的方法，可以解决同义词不完备导致召回的故障知识点不全的问题。在计算问题查询子图和问题知识点子图的相似度的时候，不仅计算关联的图结构的相似度，也通过深度学习网络计算原始问题查询语句和问题知识点短语的相似度，包含更多的语义信息，提高匹配的准确度。一般的kbqa问答系统主要通过规则或模板的方式对图谱进行检索和排序无法很好的适用语言表述，采用语义嵌入图谱的方式，可以一定程度上解决模板并不能完全适用所有的自然语言问句的问题。
74.基于同一总的发明构思，本技术还保护一种基于图嵌入的问答知识检索装置，下面对本发明提供的基于图嵌入的问答知识检索装置进行描述，下文描述的基于图嵌入的问答知识检索装置与上文描述的基于图嵌入的问答知识检索方法可相互对应参照。
75.图4是本发明提供的基于图嵌入的问答知识检索装置的结构示意图。
76.如图4所示，本发明实施例提供的一种基于图嵌入的问答知识检索装置，包括：
77.接收模块41，用于接收问题查询语句；
78.抽取模块42，用于基于命名实体识别模型，抽取所述问题查询语句的元素实体，并构建所述元素实体的第一语义向量和所述问题查询语句的第二语义向量；
79.构建模块43，用于根据所述元素实体构建问题查询子图，并嵌入对应所述第一语义向量至所述问题查询子图；
80.召回模块44，用于根据所述元素实体和所述第二语义向量，在问答知识图谱中召回目标问题知识点子图集合；
81.检索模块45，用于输入所述问题查询子图和所述目标问题知识点子图集合至图嵌入与相似度匹配模型，输出所述问题查询语句对应的检索答案。
82.本实施例提供的一种基于图嵌入的问答知识检索装置，通过接收问题查询语句；
基于命名实体识别模型，抽取所述问题查询语句的元素实体，并构建所述元素实体的第一语义向量和所述问题查询语句的第二语义向量；根据所述元素实体构建问题查询子图，并嵌入对应所述第一语义向量至所述问题查询子图；根据所述元素实体和所述第二语义向量，在问答知识图谱中召回目标问题知识点子图集合；输入所述问题查询子图和所述目标问题知识点子图集合至图嵌入与相似度匹配模型，输出所述问题查询语句对应的检索答案，通过加入实体语义向量的方式可以有效地解决同义词造成的匹配不准确问题，同时通过图嵌入与相似度匹配模型结合了图和文本进行知识检索，有效地提高了问答信息匹配的精确度。加入实体语义向量计算相似度进行问题元素实体节点召回的方法，可以解决同义词不完备导致召回的故障知识点不全的问题。在计算问题查询子图和问题知识点子图的相似度的时候，不仅计算关联的图结构的相似度，也通过深度学习网络计算原始问题查询语句和问题知识点短语的相似度，包含更多的语义信息，提高匹配的准确度。一般的kbqa问答系统主要通过规则或模板的方式对图谱进行检索和排序无法很好的适用语言表述，采用语义嵌入图谱的方式，可以一定程度上解决模板并不能完全适用所有的自然语言问句的问题。
83.进一步的，本实施例中还包括语义嵌入模块，用于：
84.采集专业领域下的语料信息，根据所述语料信息构建词向量模型；
85.遍历问答知识图谱中的实体和关系，通过所述词向量模型，确定所述问答知识图谱中每个实体的语义向量，并添加所述语义向量至所述问答知识图谱对应的节点上。
86.进一步的，本实施例中的召回模块44具体用于：
87.基于问答知识图谱和所述问题查询语句的元素实体，得到第一知识点子图集合；
88.基于问答知识图谱和所述第二语义向量，得到第二知识点子图集合；
89.将所述第一知识点子图集合和所述第二知识点子图集合进行合并去重，得到目标问题知识点子图集合。
90.进一步的，本实施例中的召回模块44具体还用于：
91.在问答知识图谱中，检索所述问题查询语句的元素实体和与所述问题语句为同义词的语句对应的元素实体，得到第一知识点实体；
92.对所述第一知识点实体进行关联查询，得到第一知识点子图集合。
93.进一步的，本实施例中的召回模块44具体还用于：
94.在所述问答知识图谱中遍历与所述元素实体类型相同的相似实体节点；
95.计算所述相似实体节点的第一语义向量与所述第二语义向量的余弦相似度；
96.选取所述余弦相似度大于预设阈值的实体节点作为第二知识点实体，对所述第二知识点实体进行关联查询，得到第二知识点子图集合。
97.进一步的，本实施例中的检索模块45具体用于：
98.遍历所述问题查询子图与所述目标问题知识点子图集合中每个问题知识点子图的相似度，并根据所述相似度进行排序；
99.根据所述图嵌入与相似度匹配模型，得到所述问题查询子图与所述目标问题知识点子图集合中每个问题知识点子图的匹配相似度分数；
100.根据所述排序的结果和所述匹配相似度分数，输出所述问题查询语句对应的检索答案。
101.进一步的，本实施例中的所述图嵌入与相似度匹配模型包括：图嵌入匹配子模型和文本相似度子模型；
102.对应的，本实施例中的检索模块45具体用于：
103.输入所述问题查询子图和所述目标问题知识点子图集合中每个问题知识点子图至所述图嵌入匹配子模型，得到图相似度分数；
104.输入所述问题查询子图和所述目标问题知识点子图集合中每个问题知识点子图至所述文本相似度子模型，得到文本相似度分数；
105.将所述图相似度分数与所述文本相似度分数相加，得到所述问题查询子图与所述目标问题知识点子图集合中每个问题知识点子图的匹配相似度分数。
106.进一步的，本实施例中所述图嵌入匹配子模型为基于问题查询子图样本和预先确定的问题知识点子图标签训练后得到的；
107.所述文本相似度子模型为基于问题查询文本样本和预先确定的问题知识点文本标签训练后得到的。
108.图5是本发明提供的电子设备的结构示意图。
109.如图5所示，该电子设备可以包括：处理器(processor)510、通信接口(communications interface)520、存储器(memory)530和通信总线540，其中，处理器510，通信接口520，存储器530通过通信总线540完成相互间的通信。处理器510可以调用存储器530中的逻辑指令，以执行基于图嵌入的问答知识检索方法，该方法包括：接收问题查询语句；基于命名实体识别模型，抽取问题查询语句的元素实体，并构建元素实体的第一语义向量和问题查询语句的第二语义向量；根据元素实体构建问题查询子图，并嵌入对应第一语义向量至所述问题查询子图；根据元素实体和第二语义向量，在问答知识图谱中召回目标问题知识点子图集合；输入问题查询子图和目标问题知识点子图集合至图嵌入与相似度匹配模型，输出问题查询语句对应的检索答案。
110.此外，上述的存储器530中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
111.另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法所提供的基于图嵌入的问答知识检索方法，该方法包括：接收问题查询语句；基于命名实体识别模型，抽取问题查询语句的元素实体，并构建元素实体的第一语义向量和问题查询语句的第二语义向量；根据元素实体构建问题查询子图，并嵌入对应第一语义向量至所述问题查询子图；根据元素实体和第二语义向量，在问答知识图谱中召回目标问题知识点子图集合；输入问题查询子图和目标问题知识点子图集合至图嵌入与相似度匹配模型，输出问题查询语句对应的检索答案。
112.又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各提供的基于图嵌入的问答知识检索方法，该方法包括：接收问题查询语句；基于命名实体识别模型，抽取问题查询语句的元素实体，并构建元素实体的第一语义向量和问题查询语句的第二语义向量；根据元素实体构建问题查询子图，并嵌入对应第一语义向量至所述问题查询子图；根据元素实体和第二语义向量，在问答知识图谱中召回目标问题知识点子图集合；输入问题查询子图和目标问题知识点子图集合至图嵌入与相似度匹配模型，输出问题查询语句对应的检索答案。
113.以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
114.通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如rom/ram、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
115.最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。